Auf einen Blick
- Unternehmen
- Rue La LaOnlinehändler für Designerkleidung und Accessoires in kurzen Verkaufsaktionen
- Branche
- E-Commerce und Handel
- Wo und wann
- Vereinigte Staaten. Januar – Mai 2014, veröffentlicht 2016.
- Wer die Zahlen erhoben hat
- Von Forschenden gemessenDie Zahlen stammen aus einer Studie von Forschenden an Universitäten, die das Werkzeug mit dem Händler gebaut haben, veröffentlicht in einer fachlich begutachteten Zeitschrift. Die Umsatzzahl ist eine Schätzung mit großer Spanne: 2,3 % bis 17,8 %.
Was sie getan haben
Rue La La verkauft Designerkleidung und Accessoires in Verkaufsaktionen, die meist ein bis vier Tage dauern. Das meiste, was es verkauft, ist neu auf der Website. Es gibt also keine Verkaufsgeschichte, aus der sich ein Preis ableiten ließe. Die alte Methode war ein fester Aufschlag auf die Kosten, abgeglichen mit den Preisen der Konkurrenz.
Forschende entwickelten mit dem Händler ein Werkzeug aus zwei Teilen. Der erste nutzt maschinelles Lernen, um die Nachfrage nach einem neuen Produkt aus den früheren Verkäufen ähnlicher Produkte vorherzusagen. Der zweite nutzt diese Vorhersagen, um die Preise für alle konkurrierenden Produkte einer Aktion gemeinsam festzulegen.
Der Händler legte die Grenzen fest:
- Nur Preiserhöhungen. Der alte Preis war die Untergrenze. Das Werkzeug konnte einen höheren Preis oder keine Änderung empfehlen.
- Eine Obergrenze. Eine Erhöhung durfte höchstens $15 oder 15 % betragen, je nachdem, was größer war, und nie über einem festgelegten Rabatt auf den Listenpreis liegen.
- Weiterhin am günstigsten. Der Händler akzeptiert eine Erhöhung nur, wenn der neue Preis immer noch niedriger ist als auf anderen Websites.
Die Führungskräfte des Händlers befürchteten, dass höhere Preise den Absatz senken und unverkaufte Ware hinterlassen würden. Der Test sollte das klären.
Die Zahlen
Der Test lief von Januar bis Mai 2014. Er umfasste etwa 1.300 Gruppen konkurrierender Produkte, insgesamt rund 6.000 Produkte, bei denen das Werkzeug eine Erhöhung empfohlen hatte. Jede Gruppe bekam entweder die empfohlenen oder die alten Preise.
- Umsatz plus etwa 9,7 % mit den getesteten Produkten, nach Schätzung der Forschenden. Die wahrscheinliche Spanne reicht von 2,3 % bis 17,8 %.
- Der Absatz hielt bei mittelpreisigen und teuren Produkten. Der Anteil der verkauften Ware ging dort nicht zurück.
- Die günstigsten Produkte verloren. In der niedrigsten Preisgruppe senkten höhere Preise den Absatz so stark, dass der Umsatz wahrscheinlich sank.
- Etwa 30 % des Gewinns hätten allein aus den Nachfragevorhersagen kommen können, indem nur die Preise von Produkten erhöht werden, die voraussichtlich ausverkauft sein würden.
- Unter einer Stunde am Tag. So lange braucht das Werkzeug im Durchschnitt, um die Aktionen des nächsten Tages mit Preisen zu versehen.
Wie es weiterging
Der Händler übernahm das Werkzeug in den täglichen Betrieb. Es läuft jeden Tag automatisch und gibt den Einkäufern Preisempfehlungen für Hunderte neuer Produkte. Ein automatischer Prozess baut das Nachfragemodell aus frischen Verkaufsdaten neu auf.
Was der Fall zeigt
- Der Test überzeugte die Führungskräfte. Den Effekt vor dem vollen Einsatz zeigen zu können, war nach Aussage der Forschenden entscheidend für die Zustimmung.
- Die Grenzen kamen zuerst. Der Händler legte fest, was das Werkzeug nie tun darf, und das Werkzeug wurde innerhalb dieser Grenzen gebaut.
- Der Gewinn war ungleich verteilt. Eine Preisgruppe verlor Geld. Ein Durchschnittswert hätte das verdeckt.
- Schon die Vorhersage brachte einen Teil des Nutzens. Ein Händler, der nicht das ganze Werkzeug bauen kann, könnte trotzdem von einer besseren Nachfrageprognose profitieren.
Was das über die Praktiken sagt
Praktiken, die das Unternehmen anwandte
- Beginnen Sie mit einem kostspieligen Prozess, nicht mit einer unternehmensweiten Einführung Die Arbeit zielte auf eine einzige Entscheidung: den ersten Preis für Produkte, die der Händler nie zuvor verkauft hatte und die den größten Teil seines Umsatzes bringen. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Messen Sie die eingesparte Zeit je Aufgabe an einer Ausgangsmessung Fünf Monate lang wurden Gruppen konkurrierender Produkte entweder den empfohlenen oder den alten Preisen zugeteilt, und beide wurden verglichen. Zuerst · Aufwand: gering (Tage, eine Person)
- Lassen Sie einen Menschen alles prüfen, was an Kunden geht oder rechtliches Gewicht hat Das Werkzeug wurde genau beobachtet, bevor es selbstständig lief. Es empfiehlt den Einkäufern des Händlers weiterhin nur Preise, innerhalb der Grenzen, die der Händler festgelegt hat. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Legen Sie die Grenzen fest, bevor das Werkzeug handelt Vor dem Test setzte der Händler den alten Preis als Untergrenze und deckelte jede Erhöhung bei $15 oder 15 %. So konnte das Werkzeug nur eine Erhöhung oder keine Änderung empfehlen. Als Nächstes · Aufwand: gering (Tage, eine Person)
Quellen
- Ferreira, Lee and Simchi-Levi (2016). Analytics for an Online Retailer: Demand Forecasting and Price Optimization. Manufacturing & Service Operations Management, 18(1), 69–88. doi.org
- The same paper, free to read in Harvard’s open-access repository. dash.harvard.edu